Основы искусственного интеллекта
Beschreibung: В дисциплине даются основы исследований в области искусственного интеллекта. Обучающиеся получат навыки практического использования инструментов и платформ на базе искусственного интеллекта для создания текстовых документов, аудио и видео контента и других ресурсов, используемых в профессии. В курсе рассматривается применение инструментов ИИ для анализа текстов, интерактивной визуализации данных, анализа данных, прогнозирования и оценки рисков в профессиональной сфере. Освещаются этические аспекты применения ИИ.
Betrag der Credits: 6
Пререквизиты:
- Информационно-коммуникационные технологии
- Информатика. Школьный курс
Arbeitsintensität der Disziplin:
| Unterrichtsarten | Uhr |
|---|---|
| Vorträge | 30 |
| Praktische Arbeiten | |
| Laborarbeiten | 30 |
| AASAL (Autonomes Arbeiten der Schüler unter Anleitung des Lehrers) | 30 |
| SE (Studentisches Eigenarbeiten) | 90 |
| Endkontrollformular | экзамен |
| Form der Endkontrolle | Письменный экзамен |
Komponente: Вузовский компонент
Zyklus: Базовые дисциплины
Цель
- Формирование комплекса компетенций в области использовании теоретических знаний и умений в области представления теоретических знаний и практического применения программного инструментария и методов искусственного интеллекта, формирование целостного представления о современном состоянии теории и практики построения интеллектуальных систем различного назначения.
Задача
- определить и раскрыть содержание ключевых понятий и направлений искусственного интеллекта;
- познакомить с основными моделями представления знаний, раскрыть их особенности, указать основные области применения;
- сформировать навыки проектирования специализирванных (по своему профилю) систем с использованием специализированных оболочек.
Результат обучения: знание и понимание
- знание основных понятий ИИ, истории, моделей представления знаний
- понимание основных концепций, овладение методами ИИ
Результат обучения: применение знаний и пониманий
- способность использовать представленные теории, методы и принципы ИИ для применения базовых интеллектуальных программных систем
Результат обучения: формирование суждений
- обсуждать и анализировать социальные последствия технологий ИИ в человеческих обществах
Результат обучения: коммуникативные способности
- развить коммуникационные способности, необходимые для работы в команде.
Результат обучения: навыки обучения или способности к учебе
- осуществлять сбор необходимой информации, систематизировать и обобщать ее, использовать полученные знания на практике.
Lehrmethoden
интерактивная лекция (применение следующих активных форм обучения: ведомая (управляемая) дискуссия или беседа; демонстрация слайдов или учебных фильмов; мозговой штурм; мотивационная речь);
информационно-коммуникационная (например, занятия в компьютерном классе с использованием различных операционных систем и профессиональных пакетов прикладных программ);
поисково-исследовательская (самостоятельная исследовательская деятельность студентов в процессе обучения).
Bewertung des Wissens der Studierenden
| Period | Art der Aufgabe | Gesamt |
|---|---|---|
| 1 Bewertung | Лабораторная работа 1 | 0-100 |
| Лабораторная работа 2 | ||
| Лабораторная работа 3 | ||
| Рубежное тестирование 1 | ||
| 2 Bewertung | Лабораторная работа 4 | 0-100 |
| Лабораторная работа 5 | ||
| Лабораторная работа 6 | ||
| Рубежное тестирование 2 | ||
| Endkontrolle | экзамен | 0-100 |
Die Bewertungspolitik der Lernergebnisse nach Arbeitstyp
| Art der Aufgabe | 90-100 | 70-89 | 50-69 | 0-49 |
|---|---|---|---|---|
| Exzellent | Gut | Befriedigend | Ungenügend | |
| Ответы на контрольные вопросы | демонстрирует системные теоретические знания, владеет терминологией, делает аргументированные выводы и обобщения, приводит примеры, показывает свободное владение материалом и способность быстро реагировать на уточняющие вопросы | демонстрирует прочные теоретические знания, владеет терминологией, делает аргументированные выводы и обобщения, приводит примеры, оказывает свободное владение материалом, но при этом делает несущественные ошибки, которые исправляет самостоятельно или при незначительной коррекции преподавателем | демонстрирует неглубокие теоретические знания, недостаточное умение делать аргументированные выводы и приводить примеры, показывает недостаточно свободное владение материалом, логичностью и последовательностью изложения, делает ошибки которые может исправить только при коррекции преподавателем. | демонстрирует незнание теоретических основ предмета, не умеет делать аргументированные выводы и приводить примеры, показывает слабое владение материалом, не владеет терминологией, проявляет отсутствие логичности и последовательности изложения, делает ошибки, которые не может исправить даже при коррекции преподавателем, отказывается отвечать на занятии |
| Работа на лабораторных занятиях | выполнил лабораторную работу в полном объеме с соблюдением необходимой последовательности действий; в отчете правильно и аккуратно выполняет все записи, таблицы, рисунки, чертежи, графики, вычисления; правильно выполняет анализ ошибок. При ответе на вопросы правильно понимает сущность вопроса, дает точное определение и истолкование основных понятий; сопровождает ответ новыми примерами, умеет применить знания в новой ситуации; может установить связь между изучаемым и ранее изученным материалом, а также с материалом, усвоенным при изучении других дисциплин. | выполнил требования к оценке «отлично», но допущены 2-3 недочета. Ответ обучающегося на вопросы удовлетворяет основным требованиям к ответу на «отлично», но дан без применения знаний в новой ситуации, без использования связей с ранее изученным материалом и материалом, усвоенным при изучении других дисциплин; допущены одна не критичная ошибка или не более двух недочетов, при этом обучающийся может их исправить самостоятельно без помощи преподавателя. | выполнил работу не полностью, но не менее 50% объема практической работы, что позволяет получить правильные результаты и выводы; в ходе проведения работы были допущены ошибки. При ответе на вопросы обучающийся правильно понимает сущность вопроса, но в ответе имеются отдельные проблемы в усвоении вопросов курса, не препятствующие дальнейшему усвоению программного материала; допущена одна грубая ошибка и не более двух-трех недочетов, при этом обучающийся может их исправить с небольшой помощью преподавателя. | выполнил работу не более 50% от объема, что не позволяет сделать правильных выводов. При ответе на вопросы демонстрирует отсутствие владения основными знаниями и умениями в соответствии с требованиями программы; допущены больше ошибок и недочетов, чем необходимо для оценки «удовлетворительно», не может ответить на большую часть из поставленных вопросов. |
Bewertungsbogen
Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:
- 40% результата, полученного на экзамене;
- 60% результатов текущей успеваемости.
Формула подсчета итоговой оценки:
| И= 0,6 | Р1+Р2 | +0,4Э |
| 2 |
где, Р1, Р2 – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.
Итоговая буквенная оценка и ее цифровой эквивалент в баллах:
Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:
| Оценка по буквенной системе | Цифровой эквивалент | Баллы (%-ное содержание) | Оценка по традиционной системе |
|---|---|---|---|
| A | 4.0 | 95-100 | Отлично |
| A- | 3.67 | 90-94 | |
| B+ | 3.33 | 85-89 | Хорошо |
| B | 3.0 | 80-84 | |
| B- | 2.67 | 75-79 | |
| C+ | 2.33 | 70-74 | |
| C | 2.0 | 65-69 | Удовлетворительно |
| C- | 1.67 | 60-64 | |
| D+ | 1.33 | 55-59 | |
| D | 1.0 | 50-54 | |
| FX | 0.5 | 25-49 | Неудовлетворительно |
| F | 0 | 0-24 |
Темы лекционных занятий
- Введение в ИИ. Основные понятия ИИ. История и развитие ИИ. Модели представления знаний. Основы исследований в области ИИ.
- Знакомство с инструментами ИИ Обзор ИИ для специалистов нетехнического профиля. Изучение различных инструментов и платформ ИИ.
- Большие языковые модели (LLM). Введение в большие языковые модели. Использование LLM для генерации текстов и обобщения.
- Платформы искусственного интеллекта без кода. Что такое платформы искусственного интеллекта без кода. Построение моделей искусственного интеллекта без кодирования с использованием платформ без кода.
- Инструменты генеративного искусственного интеллекта Обзор инструментов генеративного искусственного интеллекта. Создание генеративного искусства и музыки с использованием инструментов искусственного интеллекта.
- Инструменты распознавания изображений Введение в распознавание изображений. Использование инструментов распознавания изображений для обнаружения и классификации объектов
- Инструменты обработки естественного языка (Natural Language Processing NLP) Основы обработки естественного языка. Анализ текстовых данных и настроений с помощью инструментов NLP.
- Визуализация данных с помощью искусственного интеллекта Методы визуализации данных с помощью ИИ. Создание интерактивных визуализаций с использованием инструментов, основанных на ИИ.
- ИИ в маркетинге и рекламе Применение ИИ в маркетинге и рекламе. Разработка маркетинговых кампаний, основанных на ИИ.
- ИИ в финансах ИИ в финансовых услугах. Прогнозная аналитика и оценка рисков с использованием ИИ в финансах.
- ИИ в обслуживании клиентов Повышение качества обслуживания клиентов с помощью ИИ.
- ИИ в образовании Инновации ИИ в образовании. Опыт обучения с помощью инструментов ИИ.
- Этические аспекты ИИ Этические проблемы ИИ. Принятие этических решений, связанных с применением ИИ.
- ИИ и общество Влияние ИИ на общество и сообщества.
- Будущие тенденции в ИИ Новые тенденции в ИИ. Будущие возможности и проблемы в области внедрения искусственного интеллекта.
Основная литература
- Агамалиев Р.: От "Энигмы" до ChatGPT. Эволюция искусственного интеллекта и российские бизнес-кейсы. – Москва: Миф, 2024. – 208 стр. - ISBN 978-5-00214-351-1
- Фостер Дэвид. Генеративное глубокое обучение. Как не мы рисуем картины, пишем романы и музыку. 2-е международное изд. Санкт-Петербург: Издательский дом Питер, 2024.- 448 с. - ISBN 978-601-08-3729-4
- Харбанс Р.: Грокаем алгоритмы искусственного интеллекта. Санкт-Петербург: Питер- Трейд, 2022.- 368 с. – ISBN 978-5-4461-2924-9
- Доэрти Пол, Уилсон Джеймс: Душа машины. Радикальный поворот к человекоподобию систем искусственного интеллекта. - Москва: Миф , 2024. – 368 стр. – ISBN 978-5-00195-689-1
- Баймұхамедов М.Ф., Баймұхамедова А.М., Боранбаев С.Н. «Жасанды интеллект: қазіргі заманғы теория және тәжірибе. Artificial Intelligence: Modern Theory and Practice» (в одной книге на казахском и английском языках) (реализация в двух томах). Алматы: Бастау, 2020 (ISBN 1т.- 978-601-7991-32-6) (ISBN 2т.- 978-601-7991-33-3);
- Яворский В.В. Интеллектуальные информационные технологии: учебник / В.В. Яворский. - Алматы : Эпиграф, 2019. - 342, [1] с. : ил., табл. - Библиогр.: с. 341-342. - ISBN 978-601-327-561-1.
- Оразбаев Б.Б. Методы и системы искусственного интеллекта в экономике: учебное пособие для студентов и магистрантов специальностей "Информационные системы" и "Вычислительная техника и программное обеспечение" в экономических вузах / Б.Б. Оразбаев, Б.А. Серимбетов. - Алматы : Эпиграф, 2019. - 307, [1] с. : ил. - Библиогр.: с. 305-307. - ISBN 978-601-240-394-7.
- Разработка и анализ данных: учеб. пособие / Р. У. Тукеев; КазНУ им. аль-Фараби. - Алматы : Қазақ ун-ті, 2017. - 109 с. ISBN 978-601-04-2261-2
- Шевчук Е.В. Интеллектуальные информационные системы: учебно-методическое пособие / Е.В. Шевчук. - Алматы: CyberSmith, 2017. - 137 с. - ISBN 978-601-310-319-8.
Дополнительная литература
- Pedro Uria-Recio, Randy McGraw. Machines of Tomorrow: From AI Origins to Superintelligence & Posthumanity. 2024;
- RYAN BENNETT. Artificial Intelligence and Generative AI Made EASY: A Beginner's Guide to Mastering ChatGPT, Google Bard, and Tomorrow's Tech Today. 2023;
- Data Science на службе бизнеса. Книга об интеллектуальном анализе данных / Д. М. Назаров, С.В.Бегичева, Д.Б. Ковтун, А.Д. Назаров. – Москва: Ай Пи Ар Медиа; Алматы: EDP Hub (Идипи Хаб), 2023. – 330 с.;
- Стивен, Даггэн. Искусственный интеллект в образовании: Изменение темпов обучения. : [Электронный ресурс], 2020, https://iite.unesco.org/wp-content/uploads/2020/12/Steven_Duggan_AI-in-Education_2020_RUS.pdf;
- Джон, Пол Мюллер. Искусственный интеллект для чайников: Санкт-Петербург: Диалектика, 2019 г. ISBN: 978-5-907114-57-9;
- Новиков, Ф. А. Символический искусственный интеллект: математические основы представления знаний: учебное пособие для вузов / Ф. А. Новиков. — Москва : Издательство Юрайт, 2024. — 278 с. — (Высшее образование). — ISBN 978-5-534-00734-3. — Текст : электронный // Образовательная платформа Юрайт;
